典型文献
基于改进BCCSA和深层LSTM的空气质量预测方法
文献摘要：
现有的空气质量预测方法很少考虑季节性因素,且预测的效果不佳,因此提出一种基于改进二元混沌乌鸦搜索算法(Binary Chaotic Crow Search Algorithm,BCCSA)和深层长短期记忆神经网络(Long Short Term Memory,LSTM)的空气质量预测方法.首先提出季节调整的方法对收集的原始空气质量数据进行预处理,以消除季节对预测的影响;然后提出改进BCCSA,对空气质量数据进行优化处理;最后,将自注意力机制加入到深层LSTM中,对空气质量数据进行预测.实验结果表明,该方法能有效地提高空气质量的预测精度.
文献关键词：
空气质量;季节调整;改进BCCSA;深层LSTM;自注意力机制
中图分类号：
作者姓名：
韦诗玥;徐洪珍
作者机构：
东华理工大学信息工程学院,江西南昌330013
文献出处：
引用格式：
[1]韦诗玥;徐洪珍-.基于改进BCCSA和深层LSTM的空气质量预测方法)[J].电子技术应用,2022(06):28-32
A类：
BCCSA
B类：
空气质量预测,混沌,乌鸦搜索算法,Binary,Chaotic,Crow,Search,Algorithm,长短期记忆神经网络,Long,Short,Term,Memory,季节调整,质量数据,优化处理,自注意力机制
AB值：
0.24541
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
